应用于卫星交会的非线性动力系统神经形态鲁棒估计
系统与控制
2024-05-15 v1 地球与行星天体物理
神经与进化计算
系统与控制
摘要
非线性动力系统的状态估计长期以来一直致力于在准确性、计算效率、鲁棒性和可靠性之间取得平衡。各行业的快速发展放大了对能够同时满足这些因素的估计框架的需求。本研究引入了一种用于非线性动力系统鲁棒滤波的神经形态方法：SNN-EMSIF（脉冲神经网络-扩展改进滑动新息滤波器）。SNN-EMSIF 结合了 SNN 的计算效率与可扩展性，以及 EMSIF 的鲁棒性，后者是一种专为具有零均值高斯噪声的非线性系统设计的估计框架。值得注意的是，权重矩阵是根据系统模型设计的，从而无需学习过程。通过综合 Monte Carlo 模拟对该框架的有效性进行了评估，将 SNN-EMSIF 与 EKF 和 EMSIF 进行了比较。此外，在存在建模不确定性和神经元丢失的情况下，使用 RMSE 作为指标将其与 SNN-EKF 进行了比较。结果证明了 SNN-EMSIF 具有卓越的准确性和鲁棒性。对运行时间和脉冲模式的进一步分析显示，与可能的脉冲相比，发放脉冲减少了 85%，突显了 SNN-EMSIF 的计算效率。该框架为非线性动力系统的鲁棒估计提供了一种有前景的解决方案，为可受益于神经形态计算的各行业开辟了高效且可靠估计的新途径。
引用
@article{arxiv.2405.08392,
title = {Neuromorphic Robust Estimation of Nonlinear Dynamical Systems Applied to Satellite Rendezvous},
author = {Reza Ahmadvand and Sarah Safura Sharif and Yaser Mike Banad},
journal= {arXiv preprint arXiv:2405.08392},
year = {2024}
}
备注
11 figures, 7 tables, 37 pages. arXiv admin note: text overlap with arXiv:2307.07963